BroadRouter

SRT subtitles

Na-update

Ang SRT (SubRip) ay plain-text na subtitle format. Binubuo ang bawat caption ng sequence number, oras ng simula at dulo na nakasulat bilang hh:mm:ss,mmm --> hh:mm:ss,mmm, isa o higit pang linya ng text, at isang blangkong linya. Ang WebVTT ang katulad na web format na ginagamit ng HTML video.

Tinatawag ding: subtitle ng video, SRT na subtitle, SRT, SRT file, SubRip, WebVTT, subtitle file

Ang subtitle file ay transcript na may kasamang orasan. Madaling kalahati ang pagkuha ng text; ang mga oras ang mahirap na kalahati.

Paano ito gumagana

Plain text ang SRT file. Apat na bahagi ang bawat caption block:

1
00:00:00,000 --> 00:00:02,800
مرحباً بكم في الحلقة الأولى

2
00:00:03,600 --> 00:00:07,600
اليوم نتحدث عن تحويل الكلام إلى نص

Ayon sa paglalarawan ng format ng Library of Congress, hours:minutes:seconds,milliseconds ang format ng oras, na may “two hyphens (—) and a right-pointing angle bracket (>)” (Salin ng BroadRouter: “dalawang gitling (—) at isang angle bracket na nakaturo pakanan (>)”) sa pagitan ng simula at dulo, at may blangkong linya pagkatapos ng bawat block. Tinatawag nito ang SRT na “a very simple text format, but not well standardized,” (Salin ng BroadRouter: “isang napakasimpleng text format, pero hindi maayos ang pamantayan,”) na walang pamantayan sa character encoding. .srt ang extension.

Halos kamukha nito ang WebVTT, ang format ng W3C para sa mga text track ng HTML video. Hinihingi ng spec ang unang linyang WEBVTT, tuldok bago ang millisecond (00:00:10.700), UTF-8 na encoding at ang media type na text/vtt. Noong 15 Nobyembre 2026, Candidate Recommendation Draft ito ng W3C.

Bakit ito mahalaga

  • Sa API o sa iyo manggagaling ang timing. May mga speech-to-text API na nagbabalik ng timestamp kada salita o segment, o ng tapos nang file. Inililista ng transcription reference ng OpenAI ang srt at vtt sa mga value ng response_format nito, pero sinasabi nitong nakadepende sa model ang format at json lang ang ibinabalik ng gpt-4o-transcribe at gpt-4o-mini-transcribe.
  • Layout ng Arabic. Walang direction markup ang SRT, kaya ang player ang nagpapasya kung paano ipapakita ang right-to-left na text at bantas. Tingnan ang right-to-left text.
  • Mga patakaran sa readability. Mga style guide ang nagtatakda ng haba ng linya, bilang ng linya kada caption at bilis ng pagbasa, hindi ang format.

Sa BroadNet Inference

Text na walang timestamp ang ibinabalik ng transcription endpoint ng BroadNet, kaya hindi ito direktang makakagawa ng SRT. Ang gumaganang paraan, na sinubukan sa Arabic subtitles (SRT) mula sa speech-to-text API:

  1. Hanapin ang mga paghinto gamit ang silencedetect ng FFmpeg (o isang VAD).
  2. Putulin ang bawat bahagi ng pagsasalita, hanggang mga 12 segundo, bilang 16 kHz mono na WAV.
  3. I-transcribe ang bawat bahagi gamit ang language=ar sa BroadNet Transcribe Arabic.
  4. Gamitin ang simula at dulo ng bawat bahagi bilang oras ng caption, at hatiin ito sa mga linya ayon sa haba ng text.
  5. Isulat ang mga SRT block na may numero.

Kasintumpak lang ng pag-detect mo ng paghinto ang mga gilid ng bawat bahagi; tantiya lang ang mga oras sa loob ng isang bahagi. Bagay iyon sa mga talk at podcast, hindi sa drama na naka-lip-sync. Para sa timing na tumpak sa frame, gumamit ng provider na nagdodokumento ng word timestamp. Mas maraming request din ang ibig sabihin ng maiikling bahagi, kaya bantayan ang pay-as-you-go limit na 30 request kada minuto. Isinusulat ng audio splitter tool ang mga FFmpeg command.

Mga karaniwang pagkakamali

  • Tuldok sa halip na kuwit sa oras ng SRT, o ang kabaligtaran sa WebVTT. Maraming player ang tumatanggi sa mali.
  • Nawawalang blangkong linya sa pagitan ng mga block, na nagpapasanib sa mga caption.

Mga tanong

Ano ang pagkakaiba ng SRT at WebVTT?

Nagsisimula ang mga WebVTT file sa linyang WEBVTT, tuldok ang gamit bago ang millisecond (00:00:10.700), kailangang UTF-8, at text/vtt ang media type. Kuwit ang gamit ng SRT (00:00:10,700) at, ayon sa Library of Congress, wala itong pamantayan sa character encoding.

Puwede bang magbalik ng SRT file ang BroadNet?

Hindi. Ang dokumentadong transcription response ng BroadNet ay JSON na may iisang text field at walang timestamp. Ikaw ang bubuo ng oras ng mga caption, halimbawa mula sa mga offset ng mga audio chunk.

Anong encoding ang dapat gamitin ng Arabic na SRT file?

Gamitin ang UTF-8 at subukan sa mga player na ginagamit ng audience mo. Walang pamantayan sa encoding ang SRT, kaya may mga lumang tool na nanghuhula ng encoding mula sa mga byte.

Basahin bilang MarkdownTanungin ang ChatGPTTanungin ang ClaudeTanungin ang Perplexity